来源：期刊VIP网 时间：
作者：韩金鹏;孙晓川;贾承富;李莹琦;
单位：华北理工大学人工智能学院;河北省工业智能感知重点实验室;
摘要：针对超密集网络(Ultra Dense Network, UDN)中存在的强干扰、用户移动和路径损耗差异等问题，提出了一种基于深度强化学习(Deep Reinforcement Learning, DRL)的功率资源分配方法。设计了基于多头注意力(Multi-Head Attention, MHA)机制的特征增强框架，以更好地捕捉由于用户移动引起的网络动态变化。构建了一种基于双重深度Q网络(Deep Q Network, DQN)的资源分配策略选择方法，提高面对路径损耗差异时资源分配的稳定性。仿真结果表明，所提方法在平均速率、平均奖赏和稳定性方面均优于现有的资源分配算法，从而实现了UDN环境下高效稳定的资源分配。
关键词：超密集网络;;功率资源分配;;深度强化学习;;多头注意力
基金资助：国家自然科学基金(62401206)~~
